Loading...
Loading...
OpenAI CEO Sam Altman（萨姆·奥尔特曼）：企业应立刻拥抱 AI 迭代，AGI 定义不重要，进展速度才关键撰文：Techub News 整理
导语
在 Snowflake Summit 2025 的主题对话中，OpenAI 创始人兼 CEO Sam Altman（萨姆·奥尔特曼）与 Snowflake CEO Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）展开了一场关于人工智能现状与未来的深度对谈。作为 ChatGPT 的创造者和全球 AI 浪潮的核心推动者，Altman 的每一次公开分享都备受关注。本次对话聚焦于企业如何应对快速变化的 AI 格局、AGI（通用人工智能）的定义与展望，以及下一代 AI 模型将带来的能力跃迁。
摘要
Sam Altman（萨姆·奥尔特曼）给企业领导者的核心建议是“立刻行动”，在技术快速变化时期，迭代速度最快的公司将赢得先机。
Altman 认为，关于 AGI 的定义之争并不重要，重要的是过去五年惊人的技术进步曲线将在未来至少五年内持续。
Altman 预测，明年 AI 将能够解决企业“最棘手的重大问题”，例如芯片设计或疾病攻克，企业应为此做好准备。
OpenAI 2025 年 6 月发布的编程智能体 Codex 让 Altman 感受到了“AGI 时刻”，他认为智能体（Agent）将逐步从处理重复性认知工作，演进到能够自主发现新知识。
企业 AI 战略：速度与好奇心决定成败
当被问及对 2025 年 navigating AI 格局的企业领导者有何建议时，Sam Altman（萨姆·奥尔特曼）的回答简洁而有力：“Just do it.”（立刻行动）。他指出，目前市场上仍存在大量犹豫，模型更新极快，许多人总想等待下一个更好的模型，或观望技术路线如何尘埃落定。但 Altman 强调，当技术处于快速变化期时，迭代速度最快、试错成本最低、学习速率最高的公司将成为赢家。从企业应用 AI 的现状来看，那些早期下注并快速迭代的团队，其表现远远优于等待观望者。
Snowflake CEO Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）对此表示完全赞同，并补充了“好奇心”的重要性。他认为，许多我们过去视为理所当然的工作方式已经不再成立，而 OpenAI、Snowflake 等公司已将实验成本降至极低。企业可以运行大量小型实验，从中获取价值并积累优势。Ramaswamy 再次呼应了 Altman 的观点：能够最快迭代的团队将从 AI 中获得最大价值，因为他们能迅速分辨什么可行、什么不可行，从而驾驭这个快速变化的未来。未来几年内，不太会出现一个“一切尘埃落定”的完美时刻，让企业可以安心制定计划。
与一年前的建议相比，Altman 坦言他的看法发生了显著变化。去年，他对初创公司会说同样的话，但对大型企业，他可能会建议“可以稍作实验，但大多数情况下可能尚未完全准备好投入生产”。然而过去一年发生了根本性转变。OpenAI 的企业业务直线上升，许多大公司现在真正将 AI 用于大量业务。当被问及有何不同时，这些公司的反馈是：部分原因在于他们花时间弄明白了如何使用，但更重要的是，现在的模型工作起来可靠得多，能够完成许多他们曾认为不可能的任务。Altman 认为，在过去一年的某个时间点，这些模型的可用性达到了一个真正的拐点。
展望明年：AI 将攻克企业“最棘手的问题”
展望明年，Sam Altman（萨姆·奥尔特曼）预测，AI 的能力将再次实现阶跃式变化。企业将不仅能用 AI 自动化某些业务流程或构建新产品服务，更能对其提出要求：“我业务中有一个极其重要的问题，如果你能解决，我愿意投入海量算力。”届时，模型将能够完成单靠人力团队无法完成的任务。那些已经积累 AI 使用经验的公司，将能更好地迎接这样一个世界：他们可以对 AI 系统说，“去重做我最关键的项目”，并提供大量算力让其深入思考、找出答案。
当被问及智能体（Agent）在2025 年 6 月和明年能做什么时，Altman 以 OpenAI 2025 年 6 月发布的编程智能体 Codex 为例。他形容使用 Codex 是“感受到 AGI 的时刻”。你可以交给它一系列任务，它在后台工作，非常聪明，能处理长期目标的任务。你只需坐在那里对它的产出说“是”或“否”，或要求它重试。它能够连接你的 GitHub，未来甚至可能观看你的会议、查看 Slack、阅读内部文档。Altman 比喻道，今天的智能体或许像一个能工作几小时的实习生，但未来某天它会像一个能连续工作数天的资深软件工程师。这种模式将扩展到许多其他工作类别。
Altman 提到，已有公司正在构建智能体来自动化大部分客户支持、销售推广等工作。有些人描述他们的新工作是“给一群智能体分配任务，检查质量，整合成果，提供反馈”，这听起来很像管理一个由初级员工组成的团队。这种现象已经发生，只是尚未普及。他预测，明年至少在某些有限场景下，我们将开始看到能帮助发现新知识或解决非常规商业问题的智能体。目前，AI 主要擅长自动化短期的、重复性的认知工作；随着其能力扩展到更长时间跨度和更高层次，终将出现能够自主发现新科学的 AI 科学家，那将是世界的一个重要时刻。
AGI 之争：定义不重要，指数级进步才关键
鉴于 Altman 将 Codex 体验称为“AGI 时刻”，主持人自然追问了他对 AGI 的定义、距离以及意义的看法。Altman 首先提供了一个思想实验：如果回到五年前（2020 年，GPT-3 发布前夕），向那时的人们展示今天的 ChatGPT（且不提 Codex），大多数人肯定会说那就是 AGI。人类善于调整期望，这是人性的美妙之处。
Altman 认为，“AGI 是什么”这个问题本身并不重要。这是一个被不同人、甚至同一个人在不同时间赋予不同定义的术语。真正重要的是进步的速度。过去五年我们所见的逐年进步，至少在未来五年内应该会持续，很可能更久。无论你宣布在 2024 年、2026 年还是 2028 年实现 AGI，或者在哪一年实现超级智能，都远不如“这条漫长、美好、惊人平滑的指数曲线”重要。
尽管如此，Altman 也给出了他个人对 AGI 的测试标准：一个能够自主发现新科学，或者作为强大工具使全球科学发现速度翻数倍的系统。这足以满足他对 AGI 的任何想象。其他人可能会强调系统需具备自我改进能力，也有人说今天具备记忆功能的 ChatGPT 在某些早期测试（如图灵测试）中已非常接近 AGI。
Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）对此表示赞同，他认为这有时更像一个哲学问题，类似于“潜艇会游泳吗？”从某个层面看这很荒谬，但当然它会。他将这些模型视为拥有惊人能力的存在，任何展望 203 年的人都会宣布那就是 AGI。但正如 Altman 所说，我们在 2020 年看待 2025 年的技术也会如此。真正令人震惊的是进步的速度，他真诚相信许多伟大的事物将从中诞生。他以计算机象棋为例：顶尖计算机已能击败所有人类棋手，但这并不妨碍人类继续下棋，且象棋比以往更受欢迎。围棋也是如此。因此，AGI 具体何时到来并不那么重要。
下一代模型：推理引擎与无限上下文
作为 OpenAI 的掌舵人，Altman 能够提前看到下一代模型的能力。当被问及即将出现的、会改变产品构建和公司运营方式的“涌现行为”时，他表示，未来一两年内的模型将“相当令人惊叹”，前方仍有大量进步和改进空间。正如从 GPT-3 到 GPT-4 的飞跃一样，企业将能够做到上一代模型完全无法实现的事情。
他再次强调，企业将能够把最棘手的问题交给 AI。例如，芯片设计公司可以说“为我设计一个前所未有的更好芯片”；生物科技公司可以说“去为我攻克这种疾病”。这已不再遥远。这些模型能够理解你提供的所有上下文，连接每一个工具和系统，然后进行“真正卓越的推理”，并带着答案返回，且具备足够的鲁棒性，让你可以信任它们去自主完成某些工作。Altman 坦言，他未曾料到这种感觉会如此接近。
对于模型的能力边界，Altman 分享了一个他喜欢的思考框架（并非即将发布的产品）：理想的形态是一个“拥有超强推理能力的极小模型”，它能极快运行，拥有万亿 token 的上下文窗口，并能访问你能想象到的所有工具。因此，问题本身是什么、模型内部是否已存储相关知识或数据，都不再重要。将模型用作数据库是荒谬的——它是一个缓慢、昂贵且问题重重的数据库。但它们的非凡之处在于推理能力。如果将其视为一个推理引擎，我们可以将企业或个人生活的所有可能上下文、以及任何所需的工具（如物理模拟器）注入其中，那将能实现相当惊人的成就。Altman 认为，方向性地看，我们正朝此迈进。
算力狂想：如果拥有千倍算力
对话最后，主持人提出了一个猜想性问题：如果拥有当前一千倍的算力，你们会用它做什么？Altman 给出了一个“超级元”答案：也许真正的答案是让 AI 全力投入 AI 研究，找出如何构建更好的模型，然后让那个更好的模型决定如何使用所有算力。他承认这需要你真的相信这个答案。
更实际的答案是，现在无论是 ChatGPT 内部还是使用其最新模型的企业中，都存在大量“测试时算力回报显著”的案例。如果你让模型进行更多推理，在难题上尝试更多次，就能得到好得多的答案。如果一个企业愿意对每个问题投入千倍算力，将会获得惊人成果。当然，现实中不会这么做，也没有千倍算力。但这表明了一种可能：企业今天就可以将 AI 视为一种幂律关系，愿意为最难或最有价值的问题投入更多算力。
Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）则提供了一个更贴近人类福祉的答案：他提到了“Arnum 项目”（类比人类基因组计划），这是一个关于 RNA 表达的研究项目。RNA 控制着体内蛋白质的工作方式，在此领域的突破——精确了解 RNA 如何控制 DNA 表达——很可能解决大量疾病，极大推动人类进步。如果能用语言模型和大量算力完成类似规模的计划，那将是一个非常酷的成果。
OpenAI CEO Sam Altman（萨姆·奥尔特曼）：AGI 已近在眼前，企业应立即行动撰文：Techub News 整理
导语
在2025 年 6 月举行的 Snowflake Summit 2025 开幕主题演讲中，Snowflake CEO Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）与特邀嘉宾、OpenAI CEO Sam Altman（萨姆·奥尔特曼）进行了一场备受瞩目的炉边对话。这场对话发生在数据与 AI 融合的关键节点，Snowflake 作为核心数据平台，OpenAI 作为前沿 AI 模型领导者，二者的碰撞旨在为数千名与会企业领袖指明方向。Altman 此次发声，正值 ChatGPT 日活用户超 10 亿、企业级 AI 应用进入深水区之际，他的观点无疑将影响全球企业的 AI 部署节奏与战略思考。
摘要
企业应立即行动：Sam Altman（萨姆·奥尔特曼）强调，AI 技术已足够成熟，企业最大的风险是等待和观望，快速迭代者将赢得先机。
AGI 定义与进程：Altman 认为具体定义 AGI（通用人工智能）的时间点并不重要，关键在于技术进步呈“平滑指数曲线”，明年 AI 将能自主解决企业“最困难的问题”。
智能体（Agent）已至：以 OpenAI 新推出的 Codex 编码智能体为例，AI 已能像初级员工一样完成长周期任务，未来将扩展至更多工作类别。
数据是 AI 燃料：Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）重申“没有数据战略就没有 AI 战略”，Snowflake 致力于通过简化数据复杂性来驱动创新。
算力的新应用：若有千倍算力，Altman 认为应优先用于 AI 研究以突破模型极限，同时也指出企业现在就该为关键问题投入更多计算资源。
Snowflake 的使命：让数据发挥更大价值
Snowflake CEO Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）在开场中阐述了公司的核心使命：赋能每个企业通过数据和 AI 实现其潜力。他强调，AI 正在根本性地改变工作与生活方式，而实现从个性化医疗到自动驾驶工厂等雄心勃勃的想法，其基石正是数据与 AI 的结合。
Ramaswamy 以百年企业 Caterpillar（卡特彼勒）和医药巨头 AstraZeneca（阿斯利康）为例，展示了 Snowflake 如何帮助企业打破数据孤岛，将数据转化为实时洞察与生产力。AstraZeneca 利用其数据基础，加速了药物研发流程，甚至在肺癌早期检测方面将生存率提升了 90%。这些案例的背后，是 Snowflake 将复杂技术简化的设计哲学。Ramaswamy 认为，简单性驱动结果，而在 AI 时代，这种简单性意味着用户可以通过语音备忘录提问、无需编写代码即可启动客户应用，并能利用全球最佳 AI 模型构建定制化的智能体。
他特别指出，所有 AI 成果都依赖于强大可靠的数据基础。“没有数据战略，就没有 AI 战略。数据是 AI 的燃料。” Snowflake 的 AI 数据云由一个互联的数据生态系统驱动，其市场上有数千家客户在共享数据、应用和模型。同时，企业级信任至关重要，Snowflake 内置的治理、安全与合规功能，使其能够支持包括美国国防部在内的关键任务负载。
纽约证券交易所的 AI 实践：原则指引下的创新
作为数据密集型行业的典范，纽约证券交易所集团总裁 Lynn Martin（林恩·马丁）分享了其 AI 转型之旅。她透露，交易所的日处理订单消息量已从 2022 年的峰值约 3500 亿条，飙升至 2025 年 4 月的 1.2 万亿条。面对如此海量数据，纽交所的两大核心职责是市场透明度与高效风险管理。
Martin 表示，硬件升级是基础，但真正的创新来自于利用 AI 工具在庞大、敏感的数据集上进行分析。在严格监管的金融行业，AI 非但不是障碍，反而成为应对复杂规则增长的“盟友”。例如，利用 Snowflake Cortex 的搜索能力，可以更高效地解析与系统功能对接的规则集。
对于其他企业领袖，她的建议是：坚守核心原则，用例自会浮现。纽交所始终围绕“市场诚信与透明”两大原则，有目的地部署 AI，例如利用自然语言处理和跨业务数据共享来提高抵押贷款流程的效率，而不是“将 AI 像意大利面一样扔到墙上看看什么能粘住”。这种审慎而专注的方法，确保了 AI 投资能带来切实的效率和业务成果。
Sam Altman 的呼吁：停止观望，立即行动
在随后的对话中，OpenAI CEO Sam Altman（萨姆·奥尔特曼）向所有企业领袖发出了明确而直接的信号：不要再犹豫，现在就开始应用 AI。当被问及对 2025 年企业导航 AI 景观的建议时，他的回答简洁有力：“Just do it（只管去做）。”
Altman 解释，在技术快速变革时期，迭代速度最快、试错成本最低、学习速率最高的公司将会胜出。尽管模型仍在快速进化，但早期下注并快速迭代的企业，表现远优于那些等待局势明朗的观望者。他补充道，好奇心是被低估的关键特质，企业应在风险可控的领域进行大量小型实验。
与去年相比，Altman 的态度更为坚定。他表示，去年可能只会建议大企业进行一些实验，但如今技术已经足够成熟，可以广泛应用于生产环境。“它现在可靠得多，能做很多我以前认为不可能的事情。” 企业用户数量的激增也印证了这一点。
智能体时代已来，AGI 定义之辩
对话自然转向了 AI 发展的前沿——智能体（Agent）和 AGI。Altman 以 OpenAI 新推出的编码智能体 Codex 为例，称其为自己“感受到 AGI 的时刻”之一。Codex 可以接受一系列任务，在后台工作，完成长周期任务，用户只需进行审核。“今天它可能像一个能工作几小时的实习生，但总有一天它会像一个能工作数天的资深软件工程师。” 这种模式正在客户支持、销售等多个领域普及，人们的工作正转变为“给一群智能体分配工作，检查质量，提供反馈”。
关于备受瞩目的 AGI，Altman 展现出了务实的哲学观。他认为，AGI 的具体定义和时间点并不重要，重要的是过去五年间年复一年的进步速率，这条“惊人平滑的指数曲线”至少在未来五年还将持续。如果穿越回 2020 年 GPT-3 发布之前，向那时的人们展示今天的 ChatGPT，大多数人都会认为那就是 AGI。“我们非常善于调整自己的预期，我认为这是人类的优点。”
对他个人而言，一个能自主发现新科学，或能成为强大工具使全球科学发现速率翻数倍的系统，就足以满足他对 AGI 的任何测试。但他也指出，许多人真正想问的可能是关于“意识”的哲学问题。Snowflake CEO Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）赞同 Altman 的观点，并将之类比为“潜艇算不算游泳”的语义之争。他更看重持续的进步速率，并相信会从中诞生许多伟大的事物。
未来模型：解决“最困难的问题”
对于未来一两年模型的发展，Altman 用了“breathtaking（令人惊叹）”来形容。他预测，下一代模型将带来类似从 GPT-3 到 GPT-4 的跳跃，使企业能够做到此前完全不可能的事情。
核心在于，企业将能够把“最困难的问题”交给 AI。例如，芯片设计公司可以要求 AI 设计出前所未有的更好芯片，生物技术公司可以要求 AI 专注于攻克某种疾病。这些模型将能够理解所有上下文，连接所有工具和系统，进行“卓越的推理”，并以足够的鲁棒性自主完成工作。“这感觉真的非常近了。” Altman 说道。
他提供了一个思考框架：理想的模型是一个拥有超强推理能力、运行速度极快、能处理海量上下文并调用一切工具的“小模型”。AI 模型不应被当作数据库使用（那既慢又贵且易错），而应被视为推理引擎。企业可以将所有业务背景和个人生活数据，以及任何所需的工具（如物理模拟器）提供给这个引擎，从而实现惊人的成就。
算力的想象：优先用于突破AI自身
当被问及如果拥有千倍算力会做什么时，Altman 给出了一个“元答案”：让 AI 竭尽全力进行 AI 研究，找出构建更优模型的方法，然后再问那个更优模型该如何利用这些算力。这反映了他对 AI 自我改进潜力的深层信念。
更具实操意义的启示是，企业现在就应该认识到“测试时计算”的回报。对于难题，让模型进行更多推理、尝试更多次数，已经能得出好得多的答案。企业可以开始思考，愿意为最关键、最有价值的问题投入比平时多得多的计算资源。Ramaswamy 则从人类福祉角度提出了另一个设想：将大量算力用于类似“人类基因组计划”的 Arnum 项目，研究 RNA 如何控制 DNA 表达，从而有望解决大量疾病，将人类文明向前推进一大步。
尾声：数据协作赋能全球盛事
演讲最后，Ramaswamy 宣布 Snowflake 已成为奥运会、残奥会以及美国队的官方数据协作合作伙伴。洛杉矶 2028 年奥运会组委会主席 Casey Wasserman（凯西·沃瑟曼）和美国奥委会首席商务官 John Slusher（约翰·斯卢舍尔）登台，阐述了在筹办“史上最复杂体育赛事”过程中数据协作的极端重要性。从销售 1200 万张门票到协调所有物流，可靠的数据平台是确保盛会成功、助力运动员取得佳绩的关键。这一合作也象征着，当数据与 AI 的能力相结合，其影响将远远超出商业范畴，深入塑造全球性的文化与体验。
整场主题演讲在热烈的氛围中落下帷幕，Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）与 Sam Altman（萨姆·奥尔特曼）的对话为所有与会者勾勒出一幅清晰的图景：行动的时刻就是现在，未来已触手可及。Dataiku与Snowflake深化集成……企业AI代理从“实验”迈向“运营”Dataiku 与 Snowflake 进一步强化合作，聚焦于将企业的生成式 AI 项目推进至实际运营阶段。其构想是，在让停留在实验阶段的 AI Agent 更易于创建的同时，维持企业最为敏感的“治理”与运营管控。
Dataiku 于当地时间15日与 Snowflake ($SNOW) 共同推出了新的集成服务“Cobuild on Snowflake”。该服务融合了 Snowflake 的“Cortex AI”服务与 Dataiku 的编排平台。通过它，业务部门和技术人员能够仅凭自然语言提示来设计 AI 工作流和 AI Agent。
核心在于它并非一个简单的代码生成工具。两家公司解释称，该系统设计为当用户输入业务目标后，能够自动生成包含数据准备、机器学习模型、AI Agent 及应用程序在内的 Dataiku 工作流，并且在正式部署前，用户可以直观地进行审查、修改和验证。这意味着，系统并非直接执行生成的结果，而是允许人工介入并确认其中的逻辑，从而提升了企业环境所要求的可控性。
战略转变与合作扩大
此次发布也与 Dataiku 的战略转变相契合。这家公司不再仅仅停留于一个简单的数据分析平台，而是试图定位为统筹企业级 AI 整体系统的“编排”及治理层。过去一年间，Dataiku 接连推出了多项功能，用于管理众多 AI Agent、协调工作流以及可视化追踪自动化系统的运行情况。
Dataiku 尤其认为，随着 AI Agent 从单个试点项目扩展到大规模运营环境，“治理”、“可观测性”以及成本管理将成为核心竞争力。实际上，许多企业在引入生成式 AI 的过程中，相较于性能，更将安全问题、数据传输问题以及责任追踪问题视为更大的障碍。
Cobuild on Snowflake 正是直指这些担忧。用户可以用自然语言描述业务目标，系统会据此创建可执行的工作流。随后，团队可以审视、调整并部署该流程。换言之，这是一种旨在平衡“自动化”与“控制”的尝试。
两家的合作并非首次。Snowflake 是 Dataiku 的投资方，并且两家公司已在全球拥有超过 350 个共同客户。此前，双方在可视化数据准备、利用 Snowpark 容器服务进行机器学习训练、实时与批量推理、支持 Apache Iceberg 目录以及 Snowflake Cortex AI 服务等多个方面已有合作。
市场向运营管理体系转移
Snowflake Cortex AI 是 Snowflake 数据云内部提供的一项托管 AI 服务。其设计旨在让用户能够直接访问大语言模型、向量搜索等多种 AI 功能。此次集成采用了这样一种架构：代码生成和工作流执行完全保留在客户的 Snowflake 环境内部，并通过安全 API 进行访问。这与近期业界尽量减少数据复制或外部转移，以维持现有安全和治理体系的趋势相吻合。
从整体市场来看，这也可以解读为一个信号：企业级 AI 的竞争重心正从模型本身的性能转向运营管理体系。因为除了使用何种模型之外，由谁创建、如何审查、以何种成本进行运营，这些因素实际上正决定着引入项目的成败。
Dataiku 在去年推出了用于整合企业内部各种 AI Agent 部署的功能，随后又发布了“Agent Hub”，着手构建集中式管理体系。此次的 Cobuild on Snowflake 同样是这一战略的延伸。
该软件将首先提供给同时使用 Snowflake 和 Dataiku 的客户。之后，计划将访问范围扩大到正在考虑引入 Dataiku 的 Snowflake 客户。在企业将生成式 AI 从“实验”推向“运营”的过程中，此类集成化管理工具的重要性可能会日益增加。
TP AI 注意事项
本文使用基于 TokenPost.ai 的语言模型进行摘要。正文的主要内容可能已被剔除或与事实不符。Snowflake，企业用“AI代理”实战部署转移重心Snowflake($SNOW)正在加速拓展其企业人工智能(AI)业务。其构想是将数据、模型和业务软件整合到一个受控环境中，以便投入实际业务，公司将此称为"智能体企业"战略。
本次更新的核心在于Snowflake Intelligence和Cortex Code的升级。这意味着AI将超越单纯生成答案的范畴，发展为基于企业内部数据、经过多步骤分析并执行业务的形式。这也与近期整个AI行业从"生成式AI"向"行动的AI智能体"转变的趋势相吻合。
Snowflake Intelligence，拓宽业务自动化范围
据Snowflake介绍，Snowflake Intelligence是面向企业用户的"情境感知型"AI智能体。它可以自动化重复性任务，执行多步骤分析，并连接外部业务应用程序以执行实际工作流。
新的集成功能基于模型上下文协议(MCP)提供。支持的服务包括谷歌的Gmail、Google日历、Google文档、Atlassian的Jira、Salesforce($CRM)的客户关系管理解决方案以及Slack。借此，用户可以在一个AI界面中处理以往需要跨多个系统手动处理的工作。
iPhone应用程序也即将进入公开预览阶段。该应用设计用于在智能手机上查询数据和远程执行工作流。此外，还新增了可生成包含来源的多步骤报告的"深度研究"功能，以及保存和共享分析结果与操作步骤的"工件"功能。
公司解释称，该系统会持续学习用户行为以个性化结果，并随着时间推移更好地自动化重复性任务。不过，公司也表示将确保结果基于企业管理的内部数据生成，从而兼顾准确性与可控性。
Cortex Code，扩展至外部数据环境
面向数据密集型开发的AI编码智能体Cortex Code的功能也大幅扩展。Snowflake表示，其目标是将此工具从单纯的编码辅助，提升为构建企业AI的"构建层"。据公司称，自2025年底发布以来，已有超过半数的全体客户在使用Cortex Code提升开发效率。
新功能已扩展至亚马逊网络服务的Glue、Databricks平台、开源数据库PostgreSQL等外部数据系统。开发者无需单独迁移数据即可构建应用程序。这对于降低大型企业环境中的数据迁移成本和监管负担具有重要意义。
此外，通过MCP和智能体通信协议(ACP)的集成，现已能够与其他AI系统实现互操作。这意味着企业无需抛弃已采用的智能体框架，即可将其与Snowflake平台连接，对于运营多系统环境的企业而言，这被视为一项实用的变革。
开发工具集成与易用性增强
Snowflake还同步发布了与Visual Studio Code的集成，以及面向Anthropic的Claude Code的插件。此外，新增了支持Python和TypeScript的新软件开发工具包(SDK)，使企业能够将Cortex Code功能嵌入其自有应用程序中。
基于浏览器的"沙盒"功能也颇为引人注目。用户无需单独设置本地环境即可运行代码，该功能还提供在实际执行前预览工作流的能力。能够直接操作图表和表格并审查结果，这对数据分析团队而言可能是一个优势。
周活跃用户达9100家…AI从"试点"迈向运营阶段
Snowflake透露，目前每周有超过9100家客户在使用其AI产品。应用案例已扩展至运营分析、客户服务、制造等领域。这表明企业正将AI从有限的实验阶段转向接入实际业务系统的方向。
Snowflake AI业务副总裁Baris Gultenkin表示："AI正在改变每家企业的运营方式，而胜出的平台将是那些能够基于恰当的数据和控制机制，让AI轻松应用于实际业务的平台。"
此次发布表明，企业AI市场的竞争正从单纯的模型性能转向"数据集成"、"治理"和"可执行性"。Snowflake正推行将分散的数据、应用程序和AI功能整合到一个平台中的战略。从企业角度来看，能够在降低复杂系统环境的同时加快AI采用速度，这被评估为其核心竞争力。
TP AI 注意事项
本文基于TokenPost.ai语言模型对文章进行了摘要处理。正文的主要内容可能被省略或与事实存在出入。Bedrock Labs，通过战略合作Snowflake强化AI数据管理数据治理与安全及管理初创公司Bedrock Labs Inc.在获得云数据仓库巨头Snowflake Inc.的战略投资后，正深化与Snowflake AI数据云的整合。
今日宣布的这一新合作伙伴关系，将使Bedrock基于人工智能的数据分类及治理功能与Snowflake Horizon整合。后者是AI数据云内的一项服务，旨在帮助组织管理数据、应用程序及AI模型。
Bedrock近期还宣布了与Snowflake Cortex AI的新集成。该集成利用AI代理代替非熟练员工执行文本处理、摘要和预测分析等任务，同时实现更强的治理和更少的数据暴露。
Bedrock认为这些集成非常及时，因为许多组织正面临将AI引入数据工作流的压力。然而，79%的企业在分类用于AI系统的敏感数据方面存在困难，这使得Bedrock提供的PB级数据探索、分类和权限分析变得至关重要。
联合创始人兼首席执行官Bruno Kurtic表示："我们积极推动与Snowflake的集成，旨在全公司范围内确保数据安全，这是所有企业AI战略的基础要求。Snowflake的投资是一个例证，提醒我们以数据为中心的治理是AI部署的先决条件。"
从今天起，Bedrock将其元数据湖平台与Snowflake Horizon连接。元数据湖是一个持续更新的图知识库，可根据敏感度、血缘、权限、访问模式和业务上下文映射企业数据的各个方面。这使其成为数据敏感度和风险背景的单一事实来源，同时允许在Snowflake平台内直接使用AI代理。
用户将获得持续的可见性，能够自动检测和分类Snowflake环境中的所有敏感信息。通过为每个数据集分配影响分数，客户可以根据每个文件的敏感度实施适当的安全措施。
此外，通过映射跨用户、账户、角色和AI代理的权限，可以精确识别谁有权访问存储在Snowflake中的数据。这一过程利用Snowflake的原生标签功能，根据敏感度在数据库、表和列级别对信息进行标记。访问控制可在Snowflake环境内执行，而Horizon目录确保所有内容实时更新。
其次，Bedrock的集成使其ArgusAI与Snowflake的Cortex AI结合，对Cortex代理进行盘点和编目。这使得企业能够映射通过Cortex搜索和Cortex分析可访问的数据。Bedrock计划不久后在旧金山举行的RSA会议上展示此集成，并预计随后很快即可供使用。Snowflake自主AI平台"Project Snowwork"公开斯诺弗莱克(Snowflake)今日发布了自主人工智能平台的研究预览版，该平台旨在帮助企业用户自动化复杂任务。该平台名为"斯诺沃克项目(SnowWork)"，致力于发展成为能够利用企业数据规划并执行多步骤工作流的系统。
斯诺弗莱克开发与人工智能体验副总裁巴拉·卡西维斯瓦纳坦(Bala Kasiviswanathan)在提及现有系统价值时强调："斯诺沃克项目与现有流程结合使用时效果最佳"，"该系统不仅能自动化任务，更能加速决策制定、整合数据提供洞察，并推荐后续步骤。"
斯诺沃克通过存储在斯诺弗莱克平台的企业数据运行，并整合业务背景。关键是将业务指标、定义、访问策略等要素结合，将人工智能代理与实际企业数据相连接。
卡西维斯瓦纳坦副总裁指出："问题解决速度往往较慢，且常未与实际业务背景关联。"斯诺沃克可通过单次交互管理数据集查询、结果分析、报告撰写、演示准备等任务，同时确保操作透明且可审计。
该系统还强调设计了分步检查与验证机制，以及减少不确定结果或错误的架构。新工具不仅意味着数据访问的民主化，更预示着能够基于这些数据采取实际行动。
斯诺弗莱克尚未具体公布斯诺沃克项目的商业化时间表。Snowflake，以1.4万亿韩元收购Observe…借助AI加快解决数据问题斯诺弗莱克(SNOW)通过收购基于人工智能的观测平台初创公司Observe，进一步强化其数据故障排除能力。此次收购作为提升企业客户运营稳定性战略的一环，计划将Observe的技术整合至斯诺弗莱克的云数据平台。
斯诺弗莱克尤其关注Observe的核心观测技术AI SRE。该技术通过AI聊天机器人帮助开发者快速定位系统故障或性能下降的根源。例如，用户可指示聊天机器人仅分析最近24小时内的错误日志，AI将基于此数据推断问题根源。该系统建立在Observe名为"O11y上下文图谱"的数据管理引擎之上。该引擎每日从客户系统中收集数百太字节的数据，并将其处理为索引化及缓存的查询结果，从而显著提升检索速度。
Observe平台可直接在斯诺弗莱克上运行，这意味着双方客户能够比以往更长时间地存储和分析观测数据。以往企业因系统存储成本问题，常将遥测数据按数日或数周周期删除，而此次整合使数据得以长期保存，并实现更精细的根源追溯。
斯诺弗莱克产品部门副总裁克里斯蒂安·克莱纳曼表示："数据收集规模与运用效率已成为衡量企业韧性的核心标准。两家技术的结合将帮助客户以现代化、可扩展的架构管理数拍字节规模的遥测数据，同时有效控制基础设施成本。"
此次收购Observe是斯诺弗莱克继去年11月收购数据库迁移解决方案公司Datomic后的第二起战略性并购。此前Datomic因开发出能将竞争数据库数据迁移至斯诺弗莱克的技术，以及开源关系型数据库OpenDB而备受关注。
据非官方估算，Observe的企业估值约达100亿美元（约合1.44万亿韩元），相当于其迄今所获投资总额的2.5倍。这被视为对人工智能及云基数据运维技术产业价值快速攀升的市场反映。Snowflake，推进以10亿美元规模收购Observe…与Splunk正面交锋据悉，斯诺弗莱克公司（SNOW）正在推进对基于云的观测平台企业奥布瑟夫（Observe）的收购。若此次交易达成，规模预计将达到约100亿美元（约合1.44万亿韩元），这将成为斯诺弗莱克历史上规模最大的初创企业收购案例。
观测平台奥布瑟夫提供实时检测系统延迟或服务器故障等问题的工具，并通过内置聊天机器人帮助工程师分析问题。现有解决方案主要提供基于SQL的分析功能，而奥布瑟夫的特点在于利用其自有语法OPAL，实现了专注于时间序列分析的功能。借此，平台可以追踪特定时间段的日志错误情况，或进行与前一时期的对比分析。
尤为值得一提的是，奥布瑟夫还针对斯诺弗莱克环境上的安全威胁检测、为降低基础设施成本而进行的系统优化，以及基于斯诺弗莱克"斯诺帕克容器服务"的应用程序调试等场景进行了优化。该平台本身构建于斯诺弗莱克的数据云之上，且从客户环境中收集的遥测数据也通过斯诺弗莱克存储进行保管。
此次收购谈判是在两家公司之间的技术协同效应得到明确印证后进行的。斯诺弗莱克曾通过其旗下风险投资基金参与了奥布瑟夫最近一轮的融资，当时奥布瑟夫筹集了1.56亿美元（约合2240亿韩元）。彼时，奥布瑟夫的年收入较上年增长了三倍，企业客户数量也翻了一番。此次收购提议的金额超过了其自2017年成立以来总融资额的三倍，这也表明其增长潜力得到了认可。
若此次收购方案最终确定，斯诺弗莱克将与观测市场现有的强者斯普伦克（Splunk）等公司形成直接竞争格局。奥布瑟夫声称其解决方案在成本效益方面优于思科的斯普伦克平台。此外，其还以运营简化与自动化功能作为主要优势。
此消息是在斯诺弗莱克近期收购了数据库迁移初创企业达托梅特里（Datometry）之后传出的。该初创企业拥有帮助用户将应用程序从外部平台轻松迁移至斯诺弗莱克的技术。通过扩大对初创企业的收购，斯诺弗莱克旨在扩大其平台在云数据市场影响力的战略正变得愈发清晰。Snowflake投资数据可信初创公司Atacama……选定为“AI生态核心”雪豹公司(SNOW)风险投资部门对数据可信初创企业Ataccama进行战略股权投资，再次凸显了企业级AI环境中"可信数据"的重要性。通过此项投资，雪豹期望能以其AI数据云平台更可靠地处理数据，并提升基于该平台生产的AI代理的稳定性。
Ataccama通过其一体化平台"Ataccama ONE"整合数据管理与治理，帮助企业持续使用可信的高质量数据。该平台将数据探查、质量管理、编目、血缘追溯，以及实时数据观测和主数据管理融合于统一环境，实现在云端、本地及混合环境中的自动化数据准备与治理。
现有雪豹客户正专注于确保基础数据的准确性与一致性，以利用基于AI的代理来辅助业务决策，同时最大程度减少人工干预。因为如果数据不可信，任何高性能AI系统都无法正常运行。雪豹认为Ataccama的技术能够从数据采集之初就保存并验证其上下文信息，从而实现大规模可信度保障，并据此做出了本次投资决策。
Ataccama首席执行官迈克·麦基强调："AI要提供实际价值，其支撑数据必须绝对可信。雪豹的投资表明，可解释的准确数据是AI运营的必要条件。"他进一步解释道："通过Ataccama平台，企业能够摆脱手动监控，建立自动化数据可信体系，确保所有AI模型、仪表板和业务决策都基于可理解的数据。"
市场调研机构theCUBE Research总监罗布·斯特雷柴分析指出："没有可信数据，任何开放式AI生态系统都无法有效扩展。"他补充道，数据可信是雪豹开放语义交换战略的核心要素，该战略旨在使不同系统中的AI代理能够共享上下文并执行任务。
根据此次合作，Ataccama将与雪豹的Cortex AI引擎进行更深度集成，增强数据可信与合规功能。同时，通过雪豹的Horizon Catalog可实现持续的数据质量监控与状态检查，预计即使在受监管行业也能实现基于可信度的AI应用。
Ataccama首席产品官杰伊·林伯恩透露，此次合作尤其致力于推动金融机构等领域的AI应用扩展。他说明，Ataccama基于代理的平台能够直接解读表格、提升数据质量并自动生成报告，使得复杂的数据工作可通过单一指令实现自动化。
这种增长态势也体现在数据上。Ataccama透露，近年来其年均增长率持续超过30%，客户年均支出已突破50万美元（约合7.2亿韩元）。雪豹创投的哈尔沙·卡普雷表示："随着雪豹客户处理的数据量及生态系统复杂性不断增长，可信数据的重要性比以往任何时候都更加突出。"
通过此次投资，雪豹正强化其构建开放且治理严密的AI生态系统的战略，而Ataccama则被定位为该生态核心可信基础架构的关键提供者。
比特币亚洲峰会嘉年华 SNOWCRASH HK 2025圆满结束由RWA交易所龙头BTC Global总冠名的比特币亚洲峰会嘉年华 SNOWCRASH HK 2025圆满结束，联合国世界发展基金会主席赵比尔，全球商会会长略合作协会李主席，阳光卫视董事长陈平纷纷参会致辞。
会议主要围绕区块链赋能香港金融，比特币如何成为未来财富之锚等主题展开讨论，共有数十家知名机构参与会议，众多行业精英纷纷上台致辞，会议共举行了八个小时，对推动香港加密金融与数字经济发展，做出了重要作用。交易员 fluffysnow 高杠杆做多 ZEC 浮盈 48.7 万美元，成 Hyperliquid 多头第七Techub News 消息，交易员 fluffysnow 于今日凌晨 04:50 以均价 1,322.49 美元开启 8,469.64 ZEC 的 5 倍多单，价值约 1166 万美元。目前该头寸已浮盈 48.7 万美元，成为 Hyperliquid 上 ZEC 多头持仓排名第七的仓位。
ZEC 价格近期强势上涨，过去 24 小时全网爆仓金额达 5736 万美元，仅次于比特币和以太坊。（@ai_9684xtpa）Snowflake 上调 AI 驱动营收预期，股价单日涨 23% 并带动软件股普涨Techub News 消息，云数据平台 Snowflake 周四股价大涨 23%，因其上调了 2027 财年产品收入预期至 60.7 亿美元，同时二季度产品收入同比增长 37%。公司 CEO Sridhar Ramaswamy 表示，AI 工具正驱动其核心平台增长，形成“飞轮效应”。
此次上涨带动了软件板块普涨，ServiceNow、Salesforce、Atlassian 等公司股价上涨 3.5% 至 6%。摩根士丹利分析师指出，AI 正在实质性推动 Snowflake 平台的使用。
财报发布后，至少 34 家券商上调了 Snowflake 的目标价，富国银行给出 525 美元的华尔街最高目标价。CNBC 主持人 Jim Cramer 也发文称，Snowflake 为谨慎的企业提供了按需获取 AI 算力的最清晰途径。（BeInCrypto）BNB Chain：opBNB 主网 Snow 硬分叉升级将于 4 月 15 日 14 时开始Techub News 消息，BNB Chain 在 X 平台发文表示，opBNB 主网 Snow 硬分叉升级将于香港时间 4 月 15 日 14 时开始。此次升级旨在优化 L2 交易在 L1 上的 gas 价格，gas 将减少到 1 gwei 并可设置自动调整。NFT 众筹平台 SnowSeed 完成 500 万美元战略轮融资Techub News 消息，NFT 众筹平台 SnowSeed 完成 500 万美元战略轮融资，参投方包括 Buckingham Holdings Indonesia 和 MCI（Medi Crypto International）。
SnowSeed 已经发行了与医疗保健相关的 NFT，并计划通过 SnowSeed 投资平台与印尼各大企业和州政府合作推出房地产开发投资产品，以及娱乐和艺术项目的投资产品。Avalanche：Snowtrace新浏览器迁移将于11月27日至30日进行金色财经报道，Avascan团队正在推进Snowtrace的迁移，从目前为C链服务的单链浏览器的Snowtrace浏览器（由Etherscan负责运行）迁移到新的Snowtrace Multichain统一多链浏览器，以实现生态系统级的数据集成并覆盖所有子网的所有代币、交易、数据点。 Avascan.info将继续存在，新Snowtrace浏览器将专注于EVM数据并由Routescan托管，每个页面都会加入统一的多链数据点，同时引入Web3用户账户，取代先前的Web2系统，而质押数据、X链数据和P链数据将继续留在Avascan。本次迁移工作预计在北京时间11月27日上午8:00至11月30日上午8:00进行，期间或有短暂的服务中断。Avalanche：Snowtrace 新浏览器迁移将于 11 月 27 日至 30 日进行Foresight News 消息，「Avalanche AVAX」公众号发文称，Avascan 团队正在推进 Snowtrace 的迁移，从目前为 C 链服务的单链浏览器的 Snowtrace 浏览器（由 Etherscan 负责运行）迁移到新的 Snowtrace Multichain 统一多链浏览器，以实现生态系统级的数据集成并覆盖所有子网的所有代币、交易、数据点。
Avascan.info 将继续存在，新 Snowtrace 浏览器将专注于 EVM 数据并由 Routescan 托管，每个页面都会加入统一的多链数据点，同时引入 Web3 用户账户，取代先前的 Web2 系统，而质押数据、X 链数据和 P 链数据将继续留在 Avascan。本次迁移工作预计在北京时间 11 月 27 日上午 8:00 至 11 月 30 日上午 8:00 进行，期间或有短暂的服务中断。AVAX区块链浏览器Snowtrace因Etherscan费用引发争议而关闭金色财经报道，根据官方公告，Avalanche流行的区块链浏览器工具Snowtrace即将关闭，将于11月30日完全过渡到Avascan。Snowtrace用户必须在该日期之前保存备份信息，例如私人姓名标签和联系人验证详细信息。 虽然该团队没有明确说明关闭该浏览器的原因，但一些用户指出是由于Etherscan的EaaS工具包服务费。 Tradingprotocol联合创始人Mikko Ohtama声称，每年订阅EaaS的费用可能在100万至200万美元之间。Snowtrace当前版本将由Avascan运行的新版本所取代PANews 10月30日消息，Avalanche在X平台上表示，Etherscan当前版本的Avalanche区块链浏览器Snowtrace正在被淘汰，取而代之的是由Avascan运行的新版本。用户将继续享受他们当前使用的类似界面、URL和API，现在支持C链和所有子网。Snowtrace.io域仍将有效，并于11月30日完全过渡到Avascan，服务不会中断。
此前今日早些时候消息，Avalanche区块链浏览器SnowTrace将于11月30日停止运营。TradingStrategy创始人谈Snowtrace停运：EtherScan的年服务费为100-200万美元Techub News 10月30日讯，针对“Avalanche区块链浏览器Snowtrace即将停运”一事，TradingStrategy创始人Mikko Ohtamaa评论表示，EtherScan（Snowtrace开发团队）的每年所要求的服务费用为100-200万美元。 此前消息，Avalanche区块链浏览器Snowtrace宣布将于北京时间11月30日8:00停用，社区推测，此举或因Avalanche团队已决定停止向Etherscan的Snowtrace服务付费。Avalanche区块链浏览器SnowTrace将于11月30日停止运营Techub News 10月30日讯，据SnowTrace页面显示，Avalanche区块链浏览器SnowTrace将于 11 月 30 日 8:00（北京时间）停止运营，用户需要在停用日期之前下载私有名称标签和合同验证。8 篇文章
